論文の概要: AI-Driven Predictive Modelling for Groundwater Salinization in Israel

• arxiv url: http://arxiv.org/abs/2602.07478v1
• Date: Sat, 07 Feb 2026 10:17:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-10 20:26:24.64379
• Title: AI-Driven Predictive Modelling for Groundwater Salinization in Israel
• Title（参考訳）: イスラエルにおける地下水塩化のためのAI駆動予測モデル
• Authors: Laxmi Pandey, Ariel Meroz, Ben Cheng, Ankita Manekar, Abhijit Mukherjee, Meirav Cohen, Adway Mitra,
• Abstract要約: 本研究の目的は, 因果要因に基づく地下水の塩分化を包括的に理解することである。 イスラエルでは、塩分濃度の主要な気象学的、地質学的、人類学的要因が特定されている。
• 参考スコア（独自算出の注目度）: 2.738656896383017
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Increasing salinity and contamination of groundwater is a serious issue in many parts of the world, causing degradation of water resources. The aim of this work is to form a comprehensive understanding of groundwater salinization underlying causal factors and identify important meteorological, geological and anthropogenic drivers of salinity. We have integrated different datasets of potential covariates, to create a robust framework for machine learning based predictive models including Random Forest (RF), XGBoost, Neural network, Long Short-Term Memory (LSTM), convolution neural network (CNN) and linear regression (LR), of groundwater salinity. Additionally, Recursive Feature Elimination (RFE) followed by Global sensitivity analysis (GSA) and Explainable AI (XAI) based SHapley Additive exPlanations (SHAP) were used to estimate the importance scores and find insights into the drivers of salinization. We also did causality analysis via Double machine learning using various predictive models. From these analyses, key meteorological (Precipitation, Temperature), geological (Distance from river, Distance to saline body, TWI, Shoreline distance), and anthropogenic (Area of agriculture field, Treated Wastewater) covariates are identified to be influential drivers of groundwater salinity across Israel. XAI analysis also identified Treated Wastewater (TWW) as an essential anthropogenic driver of salinity, its significance being context-dependent but critical in vulnerable hydro-climatic environment. Our approach provides deeper insight into global salinization mechanisms at country scale, reducing AI model uncertainty and highlighting the need for tailored strategies to address salinity.
• Abstract（参考訳）: 地下水の塩分濃度の増加と汚染は、世界中の多くの地域で深刻な問題であり、水資源の劣化を引き起こしている。 この研究の目的は、因果要因に基づく地下水の塩分化を包括的に理解し、塩分濃度の重要な気象学的、地質学的、人類学的要因を特定することである。 我々は、潜在的な共変量のデータセットを統合し、地下水塩分濃度のランダムフォレスト(RF)、XGBoost、ニューラルネットワーク、Long Short-Term Memory(LSTM)、畳み込みニューラルネットワーク(CNN)、線形回帰(LR)といった機械学習ベースの予測モデルのための堅牢なフレームワークを構築した。 さらに、再帰的特徴除去(RFE)に続いて、GSA(Global sensitivity analysis)とXAI(Explainable AI)をベースとしたSHAP(SHAP)を用いて、重要なスコアを推定し、塩分化の要因について洞察を得た。 また、様々な予測モデルを用いて、二重機械学習を用いて因果解析を行った。 これらの分析から,重要な気象学(降水,温度),地質学(河川,距離,塩分体,TWI,ショアライン距離)および人為的(農業分野,処理された排水)共変体が,イスラエル全域の地下水塩分濃度に影響を及ぼす要因であることが明らかとなった。 XAI分析では、処理された廃水 (TWW) が塩分濃度の重要な人為的要因であり、その重要性は環境に依存しているものの、脆弱な温暖環境において重要であると同定した。 我々のアプローチは、国規模でのグローバルな塩分化メカニズムについて深い洞察を与え、AIモデルの不確実性を減らし、塩分濃度に対処する適切な戦略の必要性を強調します。

関連論文リスト

• Predictive Modeling of Flood-Prone Areas Using SAR and Environmental Variables [0.0]
  洪水は世界でも最も破壊的な自然災害の1つであり、生態系、インフラ、人間の生活に深刻なリスクをもたらしている。 本研究では,ケニア西部のニャンド川流域において,合成開口レーダ(SAR)画像と環境・水文データを組み合わせて,洪水感受性をモデル化した。
  論文  参考訳（メタデータ） (2025-12-06T16:24:10Z)
• SF$^2$Bench: Evaluating Data-Driven Models for Compound Flood Forecasting in South Florida [11.26332965817989]
  世界の気候が洪水のリスクを増大させるにつれて、複合洪水の分析がますます重要になっている。 水理工学センターのリバー分析システムのような伝統的な物理学に基づく手法は、しばしば時間的非効率である。 機械学習は最近、モデリング精度と計算効率の両方において有望であることを示した。
  論文  参考訳（メタデータ） (2025-06-04T04:45:33Z)
• Identifying Trustworthiness Challenges in Deep Learning Models for Continental-Scale Water Quality Prediction [69.38041171537573]
  水質は環境の持続可能性、生態系の回復力、公衆衛生に基礎を置いている。 ディープラーニングは、大規模な水質予測と科学的洞察生成のための変革的なポテンシャルを提供する。 汚染緩和や資源配分等、高額な運用上の意思決定に広く採用されていることは、未解決の信頼性の課題によって防止されている。
  論文  参考訳（メタデータ） (2025-03-13T01:50:50Z)
• Integrating Boosted learning with Differential Evolution (DE) Optimizer: A Prediction of Groundwater Quality Risk Assessment in Odisha [0.0]
  本研究では,地下水水質指標(GWQI)を評価するための機械学習に基づく予測モデルを開発した。 LCBoost Fusionと呼ばれるハイブリッド機械学習モデルの助けを借りて実現されている。
  論文  参考訳（メタデータ） (2025-02-25T07:47:41Z)
• SEN12-WATER: A New Dataset for Hydrological Applications and its Benchmarking [40.996860106131244]
  気候と干ばつの増加は、世界中の水資源管理に重大な課題をもたらしている。 本稿では,干ばつ関連分析のためのエンドツーエンドディープラーニングフレームワークを用いたベンチマークとともに,新しいデータセットであるSEN12-WATERを提案する。
  論文  参考訳（メタデータ） (2024-09-25T16:50:59Z)
• OXYGENERATOR: Reconstructing Global Ocean Deoxygenation Over a Century with Deep Learning [50.365198230613956]
  既存の専門家が支配する数値シミュレーションは、地球温暖化や人的活動によって引き起こされる動的変動に追いつかなかった。 1920年から2023年までの世界の海洋脱酸素モデルを再構築するために,最初の深層学習モデルであるOxyGeneratorを提案する。
  論文  参考訳（メタデータ） (2024-05-12T09:32:40Z)
• Beyond Tides and Time: Machine Learning Triumph in Water Quality [0.0]
  この研究は、データサイエンスの専門家とドメイン固有の知識を持たない人々の両方にとって、堅牢な予測パイプラインを確立することを目的としている。 我々の研究は、データサイエンスの専門家とドメイン固有の知識を持たない人々の両方にとって、堅牢な予測パイプラインを確立することを目的としています。
  論文  参考訳（メタデータ） (2023-09-29T03:33:53Z)
• DeepAqua: Self-Supervised Semantic Segmentation of Wetland Surface Water Extent with SAR Images using Knowledge Distillation [44.99833362998488]
  トレーニングフェーズ中に手動アノテーションを不要にする自己教師型ディープラーニングモデルであるDeepAquaを提案する。 我々は、光とレーダーをベースとしたウォーターマスクが一致する場合を利用して、水面と植物の両方を検知する。 実験の結果,DeepAquaの精度は7%向上し,Intersection Over Unionが27%,F1が14%向上した。
  論文  参考訳（メタデータ） (2023-05-02T18:06:21Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。